大学院
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2025年4月21日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2025年4月21日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
情報理工学英語特別講義Ⅳ（Probabilistic Generative Models Applied to Musical Audio Data）
This course will be given by Prof. Philippe Esling (Sorbonne University, France, IRCAM)
Class 1 - Introduction / specificities of musical information
Class 2 - Basics of machine learning
Class 3 - Neural networks
Class 4 - Support vector machines
Class 5 - Probabilities and distributions
Class 6 - Bayesian inference
Class 7 - Latent models and EM
Class 8 - Gaussian Mixture Models
Class 9 - Approximate inference (sampling and variational)
Class 10 - Modern deep learning
Class 11 - Variational Auto-Encoders and normalizing flows
Class 12 - Generative Adversarial Networks
Class 13 - Diffusion models and modern applications
More information can be confirmed at the following link:
https://*****/*****
Class 2 - Basics of machine learning
Class 3 - Neural networks
Class 4 - Support vector machines
Class 5 - Probabilities and distributions
Class 6 - Bayesian inference
Class 7 - Latent models and EM
Class 8 - Gaussian Mixture Models
Class 9 - Approximate inference (sampling and variational)
Class 10 - Modern deep learning
Class 11 - Variational Auto-Encoders and normalizing flows
Class 12 - Generative Adversarial Networks
Class 13 - Diffusion models and modern applications
More information can be confirmed at the following link:
https://*****/*****
時間割／共通科目コード
コース名
教員
学期
時限
4893-1004
GIF-CO5024L3
情報理工学英語特別講義Ⅳ（Probabilistic Generative Models Applied to Musical Audio Data）
Suppakitpaisarn Vorapong
木曜4限
マイリストに追加
マイリストから削除
講義使用言語
英語
単位
2
実務経験のある教員による授業科目
NO
他学部履修
不可
開講所属
情報理工学系研究科
授業計画
Class 1 - Introduction / specificities of musical information
Class 2 - Basics of machine learning
Class 3 - Neural networks
Class 4 - Support vector machines
Class 5 - Probabilities and distributions
Class 6 - Bayesian inference
Class 7 - Latent models and EM
Class 8 - Gaussian Mixture Models
Class 9 - Approximate inference (sampling and variational)
Class 10 - Modern deep learning
Class 11 - Variational Auto-Encoders and normalizing flows
Class 12 - Generative Adversarial Networks
Class 13 - Diffusion models and modern applications
授業の方法
The lecture is given in English using a projector and a blackboard.
成績評価方法
Application projects with reports
教科書
None
参考書
None
履修上の注意
Students must bring a notebook with them when joining this course.
